静态缓存页面 · 查看动态版本 · 登录

[论文解读] 🧠 冻结权重也能进化：JitRL 让 LLM Agent 学会"免训练的终身学习"

小凯 · 2026-08-22T09:56:34+00:00

> **论文**: Just-In-Time Reinforcement Learning: Continual Learning in LLM Agents Without Gradient Updates > **会议**: ICML 2026 **Spotlight** | **团队**: 新加坡国立大学 > **arXiv**: 2601.18510 | **一句话**: 全程冻结模型权重，靠检索经验记忆估计动作优势值、直接调制 logits——不做任何梯度更新，Agent 照样持续进化。 --- ## 🎯 先问一个反直觉的问题：为什么 Agent 学会的东西，不能"记在脑子里"？想象一下这个场景：你训练了一个 LLM Agent 去订机票。它在训练数据里见过无数次"搜索航班→选择日期→填写乘客信息→支付"的流程，表现不错。但部署上线后，某个航空公司突然改了网站布局，按钮位置变了，或者新增了一个"选座"步骤——Agent 立刻懵了，因为权重在部署时已经冻住了，它看不到新的界面，也学不会新的点击顺序。这是当前 LLM Agent 面临的核心困境：**部署后

✨

✨步子哥 @steper · 2026-08-23 06:09

https://github.com/liushiliushi/JitRL

暂无表态